从SISO到超大规模MIMO:空间自由度的数学挖掘如何成倍提升6G频谱效率极限

标签:MIMO天线6G
分享到:

第六代移动通信系统的频谱效率提升正在经历从时间频率资源利用向空间资源挖掘的根本性转变。传统单输入单输出系统仅利用时间维度与频率维度承载信息,调制编码技术的改进在逼近香农容量后进入收益递减区间。多输入多输出技术的引入使空间维度成为新的资源扩展方向,通过在收发两端部署多根天线,系统可以在相同的时频资源上传输多个独立数据流。超大规模多输入多输出的出现将天线阵列的规模从数十个扩展到数百甚至上千个,空间分辨率的提升使系统能够区分更多同时存在的空间流。这种从单流到多流再到超大规模多流的演进本质上是对电磁波传播空间中隐藏自由度的数学挖掘,每一代天线规模的扩展都在逼近信道容量的理论边界。
 
f1d366c7e5e6f9e22d0f3739cd2b6f35
 
单输入单输出系统的信道容量受限于信噪比与带宽两个参数。发射端单根天线辐射的信号在空间中经过多条路径传播后到达接收端单根天线,接收信号是各条路径分量的叠加。接收机利用均衡技术消除路径之间的符号间干扰,但无法从叠加信号中分离出不同路径携带的信息。信道在空间维度上的丰富多径结构在单输入单输出系统中仅被视为干扰源,而非资源。多输入多输出系统的核心洞察在于,当收发两端均配备多根天线时,每条传播路径对每对收发天线组合形成不同的衰落系数,这些系数构成的信道矩阵的秩决定了系统可以同时传输的独立数据流数量。信道矩阵的秩不能超过收发天线数量的较小值,且受限于传播环境的散射丰富程度。在散射充分的室内环境中,信道矩阵趋于满秩,系统可以获得与天线数量成正比的复用增益。
 
从多输入多输出到超大规模多输入多输出的跨越改变了信道矩阵的统计特性。当天线阵列的孔径远大于载波波长时,不同天线单元上的信道响应不再服从同一分布,空间非平稳特性开始显现。部分天线单元可能因为用户位于阵列端射方向而接收到较弱信号,另一部分天线单元则因用户位于阵列法线方向而获得较高增益。超大规模阵列的信道矩阵呈现出近场球面波前特性,平面波假设不再成立。球面波前使阵列能够分辨用户在距离维度的差异,而不仅仅是角度维度的差异。这种距离分辨能力为空间复用提供了新的自由度,位于相同角度但不同距离的用户可以被阵列区分并分配不同的空间流。近场效应对频谱效率的贡献在传统多输入多输出分析中未被考虑,但在超大规模阵列中成为可挖掘的额外资源。
 
超大规模多输入多输出的空间自由度挖掘依赖于对信道状态信息的精确获取。发射端需要知道信道矩阵的完整信息才能进行最优的预编码设计,将能量集中在目标用户方向的同时抑制对非目标用户的干扰。在频分双工模式下,用户需要估计下行信道并将信道矩阵反馈给基站,反馈开销与天线数量成正比。超大规模阵列的天线数量达到数百个时,反馈信道状态信息所需的上行链路资源将占用大部分可用带宽,使频谱效率不升反降。时分双工模式利用信道互易性,基站通过用户发送的上行探测信号估计上行信道,并将其转置作为下行信道使用。互易性在超大规模阵列中受到射频链路非理想特性的影响,各收发通道的幅度相位不一致性破坏了互易关系。校准电路需要在阵列中注入已知校准信号,测量每个收发通道的响应差异,并在数字域进行补偿。校准的精度直接决定了预编码的空间分辨率与干扰抑制能力。
 
空间自由度的数学挖掘在超大规模多输入多输出中的体现还包括波束域与模态域的信号处理。传统波束赋形将阵列响应向量对准用户方向,形成单一主瓣波束。在超大规模阵列中,阵列孔径足够大,可以同时生成多个独立波束指向同一用户的不同散射簇,每个波束携带独立的数据流。多波束传输要求用户的散射环境足够丰富,各散射簇之间的空间相关性较低。当用户处于室外空旷环境时,散射簇数量有限,可用的空间自由度受限于信道秩而非天线数量。模态域信号处理将阵列响应分解为轨道角动量模态,不同模态之间具有天然的互斥特性,可以携带独立数据流。轨道角动量模态的数量受限于阵列的环向采样点数,超大规模阵列可以支持更高阶的模态。模态域复用的优势在于不需要用户移动或散射环境支持,接收端只需在模态域进行滤波即可分离不同模态携带的数据。
 
空间自由度挖掘的实际增益受到硬件非理想特性的制约。超大规模阵列中天线单元数量的增加使总功耗与散热压力上升,每个收发通道的功率放大器与低噪声放大器都需要消耗直流功率。为了在功耗约束下最大化空间自由度,系统需要根据信道条件与业务需求动态激活部分天线单元。天线选择算法从阵列中挑选出对容量贡献最大的子集,关断其余单元以节省功耗。天线选择的计算复杂度随阵列规模的平方增长,实时选择在超大规模阵列中不可行。工程上采用基于信道统计信息的慢速天线选择,或采用子阵结构的开关网络将多个单元分组后统一控制。天线选择后的有效空间自由度略低于全激活阵列,但功耗的降低使单位功率的频谱效率更高。从单输入单输出到超大规模多输入多输出,空间自由度的挖掘经历了从对抗多径到利用多径再到重构传播环境的演进路径,这一路径持续推动第六代移动通信系统逼近信道容量的理论极限。
 
更多资讯内容,详见文章
相关资讯
高阶自动驾驶协同感知:动态波束赋形与MIMO空分复用优化路径

动态波束赋形与多输入多输出(MIMO)空分复用联合优化,是解决高阶自动驾驶协同感知传输瓶颈的关键路径。单车传感器视距有限,需依靠路侧单元与邻车信息实现超视距风险识别。这对车联网(V2X)通信提出大容量、低时延需求。

超大规模MIMO近场波束聚焦与太赫兹肖特基二极管倍频链优化路径

超大规模 MIMO(Extra-Large Multiple-Input Multiple-Output, XL-MIMO)在近场通信中依赖球面波距离-角度二维耦合实现波束聚焦。构建距离-角度二维分层码本,解决传统远场码本聚焦失配问题,结合自适应采样与低开销跟踪,可打通近场覆盖增强路径,支撑 6G 短距高速无线通信。

6G太赫兹超大规模MIMO波束训练码本压缩与干扰抑制技术

太赫兹(THz)通信具备超大带宽与极低时延特征,是第六代移动通信(6G)高动态短距密集通信的核心支撑技术。针对超大规模多输入多输出(Massive MIMO)阵列带来的波束训练开销大、信道估计复杂及高动态干扰等问题,本文提出一种轻量化码本压缩训练体系与多维度动态干扰抑制机制。

MIMO空分复用与动态波束赋形:高阶自动驾驶协同感知通信升级

动态波束赋形(Beamforming)与多输入多输出(MIMO)空分复用技术融合,可构建高可靠、低时延、大容量的车载通信体系,解决高阶自动驾驶协同感知的通信瓶颈。高阶自动驾驶系统正从单一车辆自主感知,演进为车、路、云、人全域协同感知架构,依靠多终端数据交互实现超视距感知与全局路径规划,是向L4、L5演进的核心支撑。

动态波束赋形与MIMO空分复用赋能低空无人机通感协同感知

动态波束赋形(Dynamic Beamforming)与多输入多输出(MIMO)空分复用技术,通过空域能量聚焦与多机并行传输,解决低空无人机集群协同感知中干扰大、容量低的痛点,是实现通感一体化(ISAC)的核心底层技术。本文剖析低空协同感知的工况瓶颈,阐明双技术的赋能机理与协同优化路径,构建适配复杂工况的通感协同体系。

精彩活动

Baidu
map